95%。同步搭建开放共享的“AI 超市”，沉淀 50 类智能标签库（含 2 万种目标标签、300 种属性标签），支持 算法按场景快速检索调用。三是云边协同算力网络，通过“星罗”算力平台实现 算法标准化封装与异构算力动态调度，破解“AI 烟囱”问题。在重大事件保障 中，可以将百余路视频流分析任务动态分配至算力节点，事件响应速度提升 50%， 资源利用率达 85%。中国联通以“数据要素×算法创新×算力支撑”三位一体融 建引擎，支持快速创建具备专业认知、工具调用与实时信息获取能力的 AI 助手， 可便捷开发适用于政务客服、产业咨询、应急指挥等复杂场景的智能体。二是知 识与决策增强，提供知识库全流程管理能力，支持多格式文档、网页等多源异构 知识的统一接入、结构化解析与向量化存储，依托精准检索与知识外挂提升决策 专业性与准确性。三是可视化流程自动化，提供零代码拖拽式工作流编排工具， 可直观设计并自动化执行跨系统的复杂业务流程，实现任务智能调度、审批自动 快转型升级。城市绿色大脑聚焦跨区域、多主体的碳监测需求，依托人工智能驱 动的数据融合技术，研发城市多层级碳监测数据融合处理平台，整合卫星遥感数 - 21 - 据、政府数据、IoT 数据和业务数据等，实现碳数据多源异构数据标准化、智能 质检，推动双碳数据的高效治理和快速流通；研发城市碳管理模型集，构建零碳 城市发展指数模型、城市净碳排放核算模型等智能算法模型和碳数据汇聚模型、 碳数据质量质检模型、碳达峰推演

计算、大数据 技术的突破推动算力从分散供给向规模化产业转型，完整产业生态逐步形成。当前，算 力产业处于发展成熟期，进入规模化、规范化、生态化发展阶段，成为国家核心竞争力 的重要体现。算力架构向异构融合、分布式智能演进，液冷、高速光模块等配套技术快 速迭代，绿色算力、普惠算力成为发展核心，量子计算、光计算等新型算力形式进入探 索阶段。 8 现代算力产业已形成完整的产业链生态，涵盖从硬件基础到软件赋能，再到行业应 上游硬件基础设施层是算力的物理基石，其核心在于芯片领域。目前，由英伟达主 导的GPU仍是人工智能训练的主力，而CPU代表厂商英特尔和AMD、专用AI芯片如谷歌TPU 与华为昇腾、FPGA以及新兴的DPU和NPU共同构成了异构计算生态。突破算力瓶颈的关键 技术方向聚焦于先进制程如3nm和2nm、小芯片Chiplet技术以及存算一体架构。同时， 中国国产芯片如昇腾、寒武纪、海光等替代进程也在加速推进。服务器作为承载芯片的 态模型的每次迭代不断刷新算力需求的峰值。为满足爆发式增长的智能算力需求，传统 的以CPU为核心的计算架构正迅速转向以GPU、TPU、NPU等为代表的AI加速芯片，以及 CPU+GPU/FPGA/ASIC等组成的异构计算系统。供需共振引发全球科技巨头的AI投资热潮， 驱动数据中心向更高性能加速升级。算力基础设施市场投融资活跃，全球科技巨头AI资 本支出大幅增长，带动算力资源在全球范围内快速扩张。数据中心承担着大规模模型训

以及 直播课之类的应用场景，需要 5G/6G 专网保障其网络流畅以及低延 迟。硬件与设备方面头部企业相继推出适用于教育行业的芯片与服务 器支撑算力赋能教育行业。面向教育行业的硬件与设备需要提供异构 算力，并且需要配备适配教育硬件（如 VR 头盔、智能笔等）的专用 接口。梧州学院在其智慧校园专班依托华为 Atlas 800 服务器成功部 署了 DeepseekR1（70B），全方位赋能智慧校园，不断扩展校内知识 AI 学习伙伴等。虚拟仿真实验室 需要构建高精度的仿真模型，依赖大规模算力以及 VR/AR 硬件设备， 成本较高并且实验场景开发需要较长周期；科研算力开发平台需支持 跨学科 AI 模型训练，整合异构算力与存储资源，并且需要搭建上层 应用平台，涉及敏感科研数据的安全隔离；AI 学习伙伴需实现多模 态交互（语音、表情、动作），集成情感计算（如通过微表情识别学 生情绪）、知识推理（如解答开放性问题），并且保证实时对话的响应 分析的功能受环境 干扰影响较大，教师培训成本较高；智慧考场的视频流实时分析需要 边缘部署服务器，单考场算力需求较大，身份核验等流程需对接公安 系统涉及数据跨境传输合规性；算力资源调度平台需要对异构算力进 行统一纳管，开发专用的调度算法，并且跨部门资源分配需要考虑配 套管理制度。 第三梯队为中高难度，需要数据整合与流程重构，主要包括智能 教学评价以及安全管理等。智能教学评价需要多源数据融合（课堂表

统工程，其核心难点集中体现在三个方面：一是资源高效利用难，高投入、 多部件构成的 AI 集群其投资回报高度依赖全栈系统化调优，实现高效利 30 用面临巨大挑战；二是全栈智能运维难，覆盖软硬件的高度异构技术栈使 得运维效率成为集群可用性的关键瓶颈，单一器件故障即可引发大规模训 练中断，且故障排查流程冗长、跨领域根因定位极其复杂，业界平均故障 处理时间最长甚至高达 30 天，严重制约训练效率；三是 资源池、 网络资源池；异构算力资源池提供 AI 所需要的 NPU 算力，满足 AI 应用算 力需求。异构算力资源池提供整个项目所需的 AI 算力需求，满足自主可 控需求，AI 服务器采用国产化 AI 算力底座，平台具备灵活的扩展能力。 高速存储和网络实现性能加速，助力 AI 应用加速。 资源使能平台基于“资源池化+动态调度”理念，通过虚拟化与容器 化技术构建异构算力资源池，集成编排引擎、弹性伸缩及多云协同组件， 化技术构建异构算力资源池，集成编排引擎、弹性伸缩及多云协同组件， 实现跨数据中心/云服务的统一调度能力，具备多租户隔离、细粒度配额 与动态迁移特性。平台采用分层架构设计，基础层实现 x86/ARM 等异构硬 件资源虚拟化，中间层通过容器编排技术实现资源池化，应用层提供声明 式 API 接口供业务系统调用。其分层架构结合智能调度算法与实时监控系 统，显著提升资源利用率、降低作业时延，为 AI 工具链及企业级 AI 应用 的规模化高并发部署提供底层算力保障。

8 万组服务 52 器，远期规划 10 万组。 通过建设旅游大数据中心云平台，打通数据孤岛，将银川分散 的旅游资源得以吃、住、行、游、购、娱的方式集中和优化。实现 城市不同旅游部门和涉旅行业异构系统间的资源共享和业务协同。 海量数据汇聚后，借助大数据分析、挖掘技术及其它智能技术的应 用，全面提高银川市旅游系统的智慧度。 （2）整合旅游产品，以个人用户终端的方式提供高效便捷服务 建设 数据高并发访问、数据的分类、加工、封装和数据服务问题。同时 提供数据备份、安全管理、动态扩展、资源调度和智能管理等功能。 第三个层次是支撑层，支撑层是核心层次，主要为智慧旅游平 74 台应用系统提供多源异构海量旅游空间数据的 GIS 引擎及数据交换 平台等。 第四层是应用层，主要建设包括旅游综合管理平台、旅游公共 服务平台和示范景区“智慧景区”等涵盖的应用系统。 第五层是展示层，展示层解决人机交互、信息获取等问题，通 （6）数据采集接口 1）基于语义缓存的数据处理中间件 随着网络和信息集成技术的发展, 游客服务终端、涉旅企业及通 讯网络上存在许多可以利用的信息资源。对资源的利用存在两大问 题: 由于网络资源的分布性、异构性、动态性等, 使跨平台的信息资 源利用存在许多挑战；由于使用数据资源的用户数不断增加，如何 提高系统的利用效率和响应能力成为一个重要的研究问题。对前者， 可通过中间件建立统一的网格体系结构和服务结构等，向用户提供

将数据可视化呈现，提供分析工具，辅助管理者直观掌握业务， 快速决策。 12 DWS 数据中台/数据仓库系统 汇聚、存储与治理多源数据，为企业提供统一、可信的数据服务。 13 DIP 数据集成平台 打通异构系统数据链路，实现数据传输、转换与同步。 14 MDM 主数据管理系统 统一管控物料、供应商等核心数据，确保数据一致准确。 15 IIoT 工业互联网平台 通过连接工业生产全要素，提供一站式解决方案。 基础 数据应用与初步数据管理，能聚焦某个功能点开展数据治理，可通过数据关系设计 消除部分数据孤岛，提供解决方案并引入其他厂商设备、系统等。40%的服务商数 据赋能能力达到二级水平，能够实现多源异构数据的集成与应用，并可在数据管理 系统中引入数据集中存储与备份机制。28%的服务商数据赋能能力达到三级水平， 能够有效开展数据价值深度挖掘，实现全局数据集成和实时数据传输，并能够基于 AI模型 调研结果显示，50%服务商在帮助客户企业理解市场趋势和客户需求方面，仅能提 供基础的数据采集、传输工具和服务。未来，服务商需要在工具链开发方面加大投入， 提供能有效帮助客户全面集成研发、生产、售后等多个领域多源异构数据的工具，建立 统一的数据模型，支持客户提升全面数据分析综合能力。在此基础上，服务商应加快AI 技术融合应用，提升实时辅助决策支持能力，建设自身在汽车研发领域的知识图谱，以 帮助客户精准预测

100%国产化， 保障企业数据安全与业务合规。  灵活选型模型：支持DeepSeek-R1满血版（671B参数）至轻量化蒸馏模型的灵活部 署，覆盖从复杂决策到高并发交互的全场景需求。  异构算力融合：同步兼容多元算力，支持企业按需构建混合算力集群，释放资源 潜力。 市场研读 2025/08

项目支持：浙江大学-**银行金融科技联合研发中心一期项目 研究实践4: 营销领域大模型 建档检索助手 客群知识问答 产品知识问答 软件功能检索 本地预训练大规模语言模型（例如：DeepSeek/Qwen…） 「多源异构数据文本向量化」 「微调数据生成」 Self-QA Self-Instruct Self-KG 文本Chunk 「文本信息知识图谱化」 表格抽取 图片OCR 实体抽取 关系抽取 「Agent」

业务部门或业务线独立采用不同的系统进行数据处理，导致数据 孤岛的形成。这使得不同系统之间缺乏有效的数据集成和共享机制，阻碍了信息的流通和共享，限制了企业对全局数据的综合 分析和利用能力。 2）异构系统对接困难 服饰时尚企业使用的系统通常来自不同的供应商，存在技术平台和数据格式的差异。这给系统对接带来了困难，需要克服数据 交换和转换的复杂性，且增加了系统集成的成本和风险。系统之间的信息交互

由于各类数据挖掘和机器学习算法的可用性、有效性及效率的不同，需要寻找适合中医学特点的 知识发现框架并对知识建模；其中涉及的相关技术还包括分布式科研数据采集与共享网络架构、 海量病历数据的存储技术、异构数据整合、数据服务发布，中医科研数据共享中的数据安全等。 智慧的城市在中国突破 43 IBM为广东省中医院在临床信息管理、基础数据应用方面，引入开放标准框架下的信息整合 技术，支持医院的